machine-learning - 将时间序列数据集中到单个微服务中以进行跨实体查询

Question

我正在使用微服务架构模式开发一组服务。我的许多模型都会有大量的时间序列数据，这些数据将被机器学习引擎消耗。

我希望我的机器学习引擎能够查询“跨实体”数据。这意味着我希望能够比较多个对象的“特征”(数据点的机器学习术语/正在检查的对象的特征)。

我突然想到，我可以拥有一个专门设计用于存储和提供时间序列信息的集中式微服务。如果我可以在存储我的业务对象的服务和该功能服务之间创建一个 API，那么我就可以实现这一目标。通过单个要素服务(或者可能每个域模型一个)，只要时间分辨率相同，我就可以轮询任何模型的任何要素集。

我的问题是:

以微服务的形式将其功能与外部服务中的各种模型相关联的集中式时间序列数据存储是实现跨实体功能查询的可行设计模式吗？如果没有，什么设计模式可以用于此目的？

我对在我创建的每个微服务中复制时间序列数据存储、查询和操作感到不舒服。

下面的图表显示了我有兴趣开发的模式:

Answer 1

你可以 - 它被称为数据库，它很可能就是你所需要的。微服务是一种工具，而不是目标

也就是说，如果每个微服务都拥有自己的数据，并且这些数据是“事实来源”，并且您需要该数据的副本用于报告目的(在您的情况下构建模型)，那么这也是一个合理的解决方案。我称之为“aggregated reporting”